城市环境资产转化效率的可持续性评价

开篇：润墨网以专业的文秘视角，为您筛选了一篇城市环境资产转化效率的可持续性评价范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：基于弱可持续性标准的视角，使用DEA方法，测算了2010年中国26个省、自治区的282个地级城市和4个直辖市的环境资产转化效率，并对其影响因素进行分析。得到如下结论：无论是DEA还是SDEA，东部和西部城市的环境资产转化效率都要显著高于中部城市。在区域上表现为“两边高、中间低”。从环境资产转化效率的离散程度上看，西部大于中部、中部大于东部。从全国的角度看，影响环境资产转化效率的因素分别是城市规模和科研与教育支出，其中城市规模对环境资产转化效率的影响表现为“U”型曲线，科研与教育支出对环境资产转化效率的影响是正向的。影响环境资产转化效率的因素在区域上存在显著的差异。

关键词：环境资产；转化效率；弱可持续性；DEA

中图分类号：X821；F299.22 文献标识码：A 文章编号：1001-8409（2013）11-0093-05

The Evaluation of Urban Sustainability Based on Environmental Assets Transformation Efficiency

LI Gang

（School of Economics， Nanjing University of Finance & Economics， Nanjing 210046）

Abstract：

This paper， from the weak sustainability standard’s perspective， applies DEA model to measure the transformation efficiency of environmental assets in 26 provinces and autonomous regions in China， 2010， including 282 prefecturelevel cities and 4 municipality directly under the central government， and to analyze its influence factors. Then， it comes to conclusions that： Firstly， for either DEA or SDEA， urban environmental assets transformation efficiency in the east and the west will be significantly higher than that of the central. In the region， it shows to be “higher on both sides， lower on the central”. Secondly， from the dispersion of environmental assets transformation efficiency， the western is larger than the central and the central is larger than the eastern. Thirdly， from the whole country， the urban scale and R&D are main influencing factors of the environment assets transformation efficiency， and urban scale’ influence shows "U" curve， while the effects of R&D on that is positive. Finally， there are significant differences about influencing factors in the region.

Key words： environment assets； transformation efficiency； weak sustainability； DEA

1 引言

可持续发展是由“可持续”和“发展”这两个核心概念所组成，其中“发展”的概念比较明确，但对怎样的状态才是“可持续”则存在较大的争议[1]。为此，形成了两种可持续发展的范式：弱可持续性（Weak Sustainability）和强可持续性（Strong Sustainability）[2]。弱可持续性建立在Hartwick（1977） 法则基础之上：“即便是不可再生资源，只要其存量减少获得的收入能够形成其他资源存量的增长，就不违背可持续发展要求。”[3]弱可持续性认为对子孙后代而言，重要的是人造资本和自然资本的总和，而不是自然资本本身。强可持续性认为各种自然资本之间不能完全替代，因此不仅需要在代际之间保持总资本存量的水平，而且还必须在代际之间维持自然资本的存量水平[4]。

综合来看，目前对可持续发展的定量研究方法主要是基于弱可持续性标准，具体包括两大类：第一，综合评价方法，主要有层次分析法和主成分分析法等；第二，系统核算法，主要有绿色GDP核算、真实发展指数核算、真实储蓄核算、物质流核算、能量流核算和生态足迹核算等。可持续发展要求经济发展不能以牺牲环境为代价，然而上述方法都不可避免地存在不同维度向量难以加总的问题。当经济向量与环境向量汇总时，必然出现经济向量与环境向量相互抵消的现象，评价结果往往是发达地区较落后地区具有更高的可持续发展水平，但这并不能体现弱可持续标准的Hartwick法则。那么怎样的发展状态才是可持续性的呢？基于弱可持续性标准，可以将可持续发展理解为是一个相对范畴，而不是绝对范畴强可持续性的理论基础是生态经济学，认为不但应该维持总的资本存量，还应当维持各种类型资本存量，尤其是自然资本存量。因为至少有一些自然资本是不可替代的。 。也就是说，在评价某一地区的可持续发展水平时，它是相对于另一个地区而言的，而不是像强可持续性那样，要求不可再生资源在绝对数量上不能减少。这样，只需度量环境资产向经济资产的转化效率，就能够评价区域间可持续发展的相对水平。数据包络分析（DEA）为这一研究提供了可能，并有别于上述方法。DEA是基于生产效率的非参数评价方法，利用投入产出数据投射出最大产出或最小投入边界，以评价多投入多产出决策单位（Decision Making Units， DMU）效率，并且无需对数据进行无量纲化处理[5]。城市是人类居住密集的地区，人地关系矛盾突出。据统计，目前全国23个大小城市群的GDP占到全国的78%以上，污染物排放也占到四分之三上，给城市带来了巨大的生态压力[6]。鉴于此，本文将使用DEA方法，通过测算中国城市环境资产的转化效率，评价城市可持续发展水平，并进一步探讨其主要影响因素。

2 方法

2.1 DEA和SDEA

2.1.1 DEA

数据包络分析（DEA）是美国著名运筹学家Charnes、Cooper和Rhodes提出的评价生产效率的重要非参数方法[7]。Charnes等应用前沿面估计的非参数数学规划的DEA方法，采用的是基于固定规模报酬的假设，从投入的角度评价决策单元的效率，称为CCR模式，是DEA模型中最基本、最重要的技术。随后，Banker等提出了更为严谨的修正模型，称为BCC模式[8]。其基本思想是构建一条非参数的包络前沿面，有效点位于生产前沿面上，无效点位于前沿面的上方。假定有N个DMU，每一个单元使用K种投入要素来生产M种产出，第i个DMU的效率可以归结为对以下线性规划问题的求解：

Min θ

s.t. -y+Yλ≥0

θxi-Xλ≥0λ≥0 （1）

其中θ是标量，λ是一个N×1的常向量，解出来的θ值即为DMUi的效率值，一般有θ≤1，如果θ=1，则意味着该单元是技术有效的，且位于前沿面上。

2.1.2 SDEA

在实践中，使用传统DEA模型评价决策单元效率时，有时会出现多个决策单元的技术效率值θ等于1的情况，从而不能按效率值高低对决策单元进行排序。为了弥补这一缺陷，Andersen提出了超效率模型（SDEA），其基本思想是：评价某个决策单元时，将其排除在决策单元集合之外，计算出来的效率值θ可大于1，基本上实现对所有决策的排序[9]。

在图1中有5个决策单元（A，B，C，D和E），B，C和D这三个决策单元形成了前沿面，因而它们的效率得分值都是1。使用SDEA模型求解，对C来说，它不再处于前沿面上，而C在前沿面上的投影点在C’处，决策单元的超效率得分值等于OC’/OC。

其线性规划方程可以表述如下：假设有n个决策单元，利用m种输入变量，得到s种产出，线性规划方程为：

min[θ-ε（si=1s-i+sr=1s+r）]

s.t. nj=1j≠kλjxij+s-i=xikθ；nj=1j≠kλjxrj+s+r=yrk；λj，s-i，s+r≥0（2）

其中，j=1，2，…n；i=1，2，…m；r=1，2，…s；ε为非阿基米德无穷小。

2.2 样本选择和指标体系

2.2.1 样本选择

本文选择的研究样本为除之外的中国大陆26个省、自治区的282个地级市和4个直辖市。

2.2.2 指标体系

环境资产包括资源资产和生态资产。虽然水资源是可再生的，但是如果地下水被过度开采，会造成城市地面下沉，所以将水资源的消耗作为城市资源资产的投入指标。土地可以反映城市规模，当前我国城市在迅速的扩张中，对土地的利用也在快速增加。煤气、电、汽油和柴油反映了城市对能源的消耗，我国的电力生产结构中煤电占70%，为了避免重复计算，煤炭不作为资源资产的投入指标。生态资产指标选取了工业废水排放量、工业废气排放量和工业固体废物排放量，它们是导致生态环境退化的主要原因。这些污染物排放量越大，生态环境破坏就越严重，因此他们的大小与生态环境损失相对应。在产出方面，地区生产总值代表经济总产出（表1）。

2.3 数据来源和分析工具

数据来源：

（1）土地、水、煤气、电、地区生产总值数据来自于2011年《中国城市统计年鉴》（中国统计出版社，2012）。

（2）汽油、柴油、工业废水排放量、工业废气排放量、工业固体废物排放量数据来自2011年30个省、市、自治区统计年鉴。

分析工具：

具有DEA分析功能的软件主要有：DEAP2.0、MATLAB、DPS数据处理系统和R语言等。本文使用的分析工具为R语言中的Benchmarking软件包需要本文编写的R语言Scripts，可以向作者索取（.cn）。 。

3 分析

3.1 DEA和SDEA测算结果的描述统计

本文对2010年中国286个城市的DEA和SDEA的测算结果做描述统计，得到如下认识：

第一，无论是DEA还是SDEA，东部和西部城市的环境资产转化效率都要显著高于中部城市对东部和西部城市环境资产转化效率均值之间的差异做显著性检验，结果不能通过α=0.05的显著性检验，意味着东部城市环境资产转化效率并不显著高于西部城市。 。在区域上表现为“两边高、中间低”。

第二，从环境资产转化效率的离散程度上看，西部大于中部、中部大于东部。

第三，对SDEA进行排序，在前十名中，东部城市和西部城市各有5个；在后十名中，西部有8个城市，中部有2个城市。

中国经济发展具有显著的地域特征，东部经济发展水平高于中部，中部高于西部。上述研究结果显示，经济水平与环境资产的转化效率之间并非线性关系，当然也就不能认为经济发展水平高的城市，可持续发展水平也高，反之亦然。可持续发展反映的是环境压力与经济增长之间的关系，环境库兹涅茨曲线（Environmental Kuznets Curve，EKC）被认为是描述可持续发展规律的一个重要假说[10]。该假说认为，在经济发展的初期阶段，随着收入增加环境质量将不断恶化，当收入越过某一特定的“转折点”（Turning Point）后，环境质量将得到改善，环境与发展之间表现为倒“U”型的轨迹。本文有关城市环境资产转化效率的计算结果与EKC特征相吻合，中国西部地区相对落后，但有较好的环境资产转化效率。中部较西部经济发展水平高，相反，环境资产转化效率却偏低。在东部地区，经济发展水平更高，环境资产转化效率在经过中部的“转折点”后，重新达到相对较高的水平。也就是说，EKC假说也在某种程度上解释了中国城市资源转化效率“两边高、中间低”的现象。

3.2 环境资产转化效率的影响因素分析

为分析城市环境资产转化效率的影响因素，建立如下模型：

seff=β0+β1log（scale）+β2log（scale）2+β3secondary+β4tertiary+β5investment+β6FDI+β7R&D+β8capital+ε （3）

其中，seff为SDEA的超技术效率水平，即环境资产转化效率；scale为城市人口规模；secondary为第二产业的比重；tertiary为第三产业的比重；investment为固定资产投资额；FDI为外商直接投资；R&D为科研与教育支出；capital为虚拟变量，省会城市是1，非省会城市是0。

3.2.1 城市规模

在东部和中部地区，城市规模对seff的影响表现为“U”型曲线，随着城市规模的增大，seff先下降，后上升。也就是说，小城市和大城市具有较高的环境资产转化效率，中等城市偏低。从弱可持续发展水平看，小城市和大城市高，中等城市低。在东部，对应的seff最低点的城市规模为58.18万人；在中部，对应的seff最低点城市规模为18.97万人。在西部，城市规模对seff的影响不显著。从全国的角度看，依然存在“U”型曲线，对应的seff最低点城市规模为29.23万人。本文通过对中国城市环境资产转化效率的测算，并没有发现一个最优城市规模。

3.2.2 产业结构

第二产业和第三产业的比重对seff的影响表现在：东部影响不显著，中部影响显著，在西部仅第三产业的影响是显著的。从全国的角度看，两者对seff的影响均不显著。根据产业结构高度化理论，产业结构重心由第一产业向第二产业和第三产业逐次转移，标志着一国经济发展水平的高低和发展阶段。在产业结构高度化的过程中，必然伴随着生产效率的提高高度化有四个方面的内容：第一，产业高附加值化；第二，产业高技术化；第三，产业高集约化；第四，产业高加工度化。 ，由于本文的环境资产转化效率重点在于资源资产和生态资产，不等同于经济生产效率，因此与中国的区域产业结构高度化水平并不一致。在东部，第二产业和第三产业所占比重已经比较高，但并不意味着环境资产的利用效率就高，从这个角度看，产业结构高度化并不必然与可持续发展的方向一致。在中部，产业结构高度化反而降低了环境资产的转化效率。在西部，由于生态资源禀赋的原因，第三产业的发展将有利于城市的可持续发展。

3.2.3 固定资产投资

固定资产投资对中国经济发展的作用是无可置疑的。由于中国投资需求存在非均衡状态，实际投资与理论投资之间会发生偏离，投资效率由配置效率和生产效率两方面组成。投资的配置效率在区域有所改善，但生产效率东部沿海省份长期以来高于西部省份[11]。然而，模型3显示：固定资产投资对seff的影响，在东部是反向的，在西部是正向的，在中部没有影响。通常认为东部存在固定资产投资过度问题，固定资产投资的配置效率下降，于是生态效率也在下降；西部存在固定资产投资不足，增加固定资产投资，其配置效率较高，因此生态效率也较高。

中国的技术引进一直有两个重要渠道：一是以国家或国有企业为主体，从国外购买技术或技术设备；二是通过FDI引进国外技术[12]。所以FDI不是单纯的投资，而是包含了技术引进的直接效应和间接效应直接效应是指引进技术的企业，即购买技术的内资企业和外商投资企业，由于使用先进技术和人力资本作用的发挥而提高了劳动生产率，促进了技术进步。间接效应是指引进技术所产生的外溢：产业的关联、示范效应、人员的流动等都是技术外溢的途径。 ，这些都必然转化为地区生产总值的增加。FDI对seff的影响只有在中部地区是显著的，这是因为在东部，技术水平不断提高，FDI技术引进的直接效应和间接效应在下降，而且FDI中还可能包含一些高耗能和高污染的项目。西部地区经济落后，高耗能和高污染项目容易向西部转移，FDI技术引进的直接效应和间接效应对seff有正面影响，但是高耗能和高污染又会对seff产生负面影响，两者相互抵消。中部地区是中国的“技术洼地”，“投资饥渴”没有西部严重，区位优势比西部明显，所以FDI对seff的影响是正向的。

3.2.5 R&D

R&D包括基础研究、应用研究、试验发展三类活动。国际上通常采用R&D活动的规模和强度指标反映一国的科技实力和核心竞争力。一般认为，R&D的投入与生产效率有关，同时中国东西部地区R&D的投入和经济发展表现出不平衡性[13]。那么R&D的投入对环境资产转化效率的影响是怎样的？从全国的角度，无论东部还是西部，R&D对seff的影响都是正向的，但是中部地区的影响不显著。可以看出，R&D不但对经济增长的促进作用明显，而且还能够提高环境资产的转换效率。但是，R&D对seff的影响在区域上也是不平衡的，其中，在中部地区这种效应就不显著。

3.2.6 城市性质

在西部，省会城市有更高的环境资产转化效率，非省会城市则相对较低，这是因为在西部，省会城市既是政治中心，也是经济中心和科技文化中心，彼此交叉和重叠。而在东部和中部，经济中心和政治中心会发生分离。以江苏省为例，南京是政治中心，苏州、无锡、常州是经济中心。因此，在东部和中部，省会城市的环境资产转化效率并不显著高于其他城市。

4 结论和讨论

本文基于弱可持续性标准的角度，使用DEA方法，测算了2010年中国26个省、自治区的282个地级城市和4个直辖市的环境资产转化效率，并对其影响因素进行分析。得到如下结论：

第一，无论是DEA还是SDEA，东部和西部城市的环境资产转化效率都要显著地高于中部城市。在区域上表现为“两边高、中间低”。

第二，从环境资产转化效率的离散程度上看，西部大于中部、中部大于东部。

第三，从全国的角度看，影响环境资产转化效率的因素分别是城市规模和科研与教育支出，其中城市规模对环境资产转化效率的影响表现为“U”型曲线，科研与教育支出对环境资产转化效率的影响是正向的。

第四，影响环境资产转化效率的因素在区域上存在显著的差异，因此，政府在制定城市可持续发展战略时，在区域上也应该因地制宜，采取差别化的可持续发展战略。

将环境作为资产，通过测算环境资产向经济资产的转化效率来评价城市的可持续发展水平，是建立在弱可持续性标准的Hartwick法则之上的。弱可持续性强调环境资产与经济资产之间可以相互替代，但是在某些领域这一假设并不成立。例如，如果经济资产中投资所占比重过高，那么投资所形成的基础设施和固定资产的规模就比较大，这些资产的维护和运行是需要消耗大量的环境资产。因此，它们在某种程度上是互补品，而不是替代品。由此看来，城市可持续发展的评价是件艰巨而又复杂的工作，仍需我们继续努力探索。

参考文献：

[1]李志青. 可持续发展的“强”与“弱”——从自然资源消耗的生态极限谈起[J]. 中国人口、资源与环境， 2003， 5（13）：1-4.

[2]Pearce D W， G D Atkinson， W R Dubourg.The Economics of Sustainable Development[J]. Annual Review of Energy and the Environment， 1994，19： 457-474.

[3]Hartwick J M.Intergenerational Equity and the Investing of Rents from Exhaustible Resources[J]. American Economic Review， 1977，67 （5）： 972-974.

[4]Daly H E.Steady-State Economics[M]. Second Edition with New Essays. Island Press， Washington， D.C.， Covelo， CA， 1991.145-147.

[5]魏权龄. 数据包络分析（DEA） [J]. 科学通报，2000（17）：1793-1808.

[6]方创琳，等. 城市，人与环境城市的可持续发展”国际研讨会综述[J]. 经济科学，2011（1）：5-10.

[7]Charnes A， Cooper WW， Rhodes E. Measuring the Efficiency of Decision Making Units[J]. European Journal of Operational Research，1978，2：429–444.

[8]Banker RD. Estimating Most Productive Scale Size Using Data Envelopment Analysis[J]. European Journal of Operational Research，1984，17（1）：35–54.

[9]Andersen P， Petersen NC. A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J]. Management Science，1993，39（10）：1261–1264.

[10]Grossman G Krueger. Environmental Impacts of a North American Free Trade Agreement[R]. National Bureau Economic Research Working Paper3914， NBER， Cambridge MA，1991.16-23.

[11]秦朵，宋海岩. 改革中的过度投资需求和效率损失——中国分省固定资产投资案例分析[J]. 经济学季刊， 2003（7）：807-832.

[12]朱平芳，李磊. 两种技术引进方式的直接效应研究——上海市大中型工业企业的微观实证[J]. 经济研究，2006（3）：90-101.

[13]卢方元，靳丹丹. 我国R&D投入对经济增长的影响——基于面板数据的实证分析[J]. 中国工业经济，2011（3）：149-157.

收稿日期：2012-12-30

基金项目：国家自然科学基金项目（70873057）；教育部人文社会科学研究基金项目（08JA790065）；江苏高校“优势学科建设工程资助项目”（PAPD）

作者简介：李 刚（1967-），男，安徽阜南人，教授，研究方向为环境经济与可持续发展。